知识图谱驱动的水电工程BIM应急响应自动推送方法及系统技术方案

本申请提出知识图谱驱动的水电工程BIM应急响应自动推送方法及系统，所述方法包括：构建水电工程应急事理图谱；对已知事件链进行结果泛化学习，对候选事件进行原因泛化学习；对泛化学习后的已知事件链和多个候选事件进行参数级的嵌入表示学习，得到已知事件链嵌入向量与多个候选事件嵌入向量；对已知事件链嵌入向量与候选事件嵌入向量进行上下文语境嵌入处理；分别确定候选事件与已知事件链间的因果性得分，分别加权评估多个候选事件的综合得分，选择综合得分最高的候选事件为后续事件，并在水电工程BIM模型中自动推送后续事件所对应的人员逃生路线及重点部位巡检路线。本申请提出的技术方案，辅助管理人员及时掌握应急事件与措施，提高水电工程安全性能，保障人员安全。全。全。

【技术实现步骤摘要】
知识图谱驱动的水电工程BIM应急响应自动推送方法及系统


[0001]本申请涉及水电工程应急方案推送领域，尤其涉及知识图谱驱动的水电工程BIM应急响应自动推送方法及系统。

技术介绍

[0002]水电工程安全关系到人民生命财产安全和水资源的有效利用，科学的安全管理和应急管理是确保水电工程安全的重要措施。管理者需要对水电工程的使用情况、周边环境变化等方面进行科学分析和研究，及时调整和优化管理措施。在突发地震、洪水等风险事件发生时，需要为应急响应和应急处置提供有效的决策支持，最大程度地减少灾害损失。因此，通过即时发生的风险事件，对因事件引发的工程风险进行推理，对于工程隐患发现，风险趋势预测，应急措施响应具有重要研究价值。
[0003]当前，许多水电工程应急响应技术都是基于经验和规则的，这些经验和规则都是建立在以往经验和专家知识的基础上，通过制定一系列应急响应方案来指导实际情况。但这种方法过度依赖于人工干预，在应急响应过程中缺少智能化与自适应性，同时缺乏对因果关系的深入分析，难以及时应对突发情况。如今，知识图谱技术广泛应用于各领域，在水电工程应急工况事件推理中，知识图谱用于构建水电工程应急事理图谱，事理图谱由丰富的事件间因果关系组成，能表达丰富和隐藏的语义关系，可以辅助事件推理任务。但是已有事件推理方法存在对文本事件无完整表示方法的问题；在基于图的推理方法中，出现了因图数据稀疏导致的模型退化、数据存在少量错误导致的推理结果不准确等问题，同时基于图的事件预测方法依赖于已知事件链在图中的邻接节点，在考虑事件间复杂关联性的同时无法兼顾鲁棒性，难以预测不存在图中的候选事件，极易导致模型退化成基于链式的结构，并且图的不完整性还会对推理结果的准确性产生影响，使得水电工程安全性及人员安全难以得到保障。

技术实现思路

[0004]本申请提供知识图谱驱动的水电工程应急响应自动推送方法及系统，以至少解决现有的应急推理方案准确性较低，使得水电工程安全性及人员安全难以得到保障的技术问题。
[0005]本申请第一方面实施例提出一种知识图谱驱动的水电工程BIM应急响应自动推送方法，所述方法包括：
[0006]建水电工程应急事理图谱，并获取所述水电工程应急事理图谱中各事件的原因与结果；
[0007]基于所述水电工程应急事理图谱对已知事件链进行结果泛化学习，对多个候选事件进行原因泛化学习，得到泛化学习后的已知事件链和多个候选事件；
[0008]利用张量神经网络对泛化学习后的已知事件链和多个候选事件进行参数级的嵌入表示学习，得到已知事件链嵌入向量与多个候选事件嵌入向量；
[0009]基于BiLSTM神经网络对所述已知事件链嵌入向量与多个候选事件嵌入向量进行上下文语境嵌入处理，得到已知事件链上下文语境嵌入后的向量和多个候选事件上下文语境嵌入后的向量；
[0010]根据所述已知事件链上下文语境嵌入后的向量和多个候选事件上下文语境嵌入后的向量分别确定多个候选事件与已知事件链间的因果性得分，然后利用注意力机制分别加权评估多个候选事件的综合得分，选择综合得分最高的候选事件为后续事件，并在水电工程BIM模型中自动推送后续事件所对应的人员逃生路线及重点部位巡检路线。
[0011]优选的，所述水电工程应急事理图谱的构建过程包括：
[0012]获取水电工程专项检查报告；
[0013]对所述水电工程专项检查报告进行分析，抽取存在因果关系的多个事件的第一类三元组和第二类三元组，所述第一类三元组包括：事件名称、事件关系和事件结果，第二类三元组包括：事件名称、发生部位类型和发生部位；
[0014]基于事件名称、事件关系、事件结果、发生部位类型和发生部位建立水电工程应急事件的因果关系，并将所述因果关系存储到Neo4j图形数据库中形成水电工程应急事理图谱；
[0015]其中，所述第一类三元组的抽取过程包括：对所述水电工程专项检查报告进行分析，抽取存在因果关系的多个事件的事件名称、事件关系和事件结果间的关系，并对所述多个事件的事件名称、事件关系和事件结果间的关系进行去除重复事件处理，得到第一类三元组；
[0016]所述第二类三元组的抽取过程包括：对所述水电工程专项检查报告进行分析，提取水电工程专项检查报告中的工程部位描述信息，建立事件及其发生部位的关联关系，以三元组形式建立事件及其发生部位的关联关系，得到第二类三元组。
[0017]进一步的，所述方法还包括：
[0018]在水电工程建筑信息模型(Building Information Modeling.BIM)中进行预设部位的信息标注，其中所述预设部位标注信息的描述语言与所述第二类三元组中发生部位的描述语言一致。
[0019]进一步的，所述基于所述水电工程应急事理图谱对已知事件链进行结果泛化学习，对多个候选事件进行原因泛化学习，得到泛化学习后的已知事件链和多个候选事件包括：
[0020]通过所述水电工程应急事理图谱分别确定已知事件链中每个事件的谓词及多个候选事件的谓词在所述事理图谱中的前驱事件与后继事件；
[0021]分别确定已知事件链中每个事件对应的后继事件与多个候选事件间的相关性值，并基于所述相关性值确定已知事件链中每个事件的强化后的谓词，然后基于所述强化后的谓词得到泛化学习后的已知事件链；
[0022]分别确定多个候选事件对应的前驱事件与已知事件链间的相关性，并基于所述相关性值，并基于所述相关性值确定多个候选事件的强化后的谓词，然后基于所述强化后的谓词得到泛化学习后的多个候选事件。
[0023]进一步的，所述利用张量神经网络对泛化学习后的已知事件链和多个候选事件进行参数级的嵌入表示学习，得到已知事件链嵌入向量与多个候选事件嵌入向量包括：
[0024]利用张量神经网络对泛化学习后的已知事件链和多个候选事件进行各所述事件谓语与主语、宾语与直接宾语之间的语义关系进行学习，得到各所述事件的第一向量；
[0025]基于非线性连接变化对各所述事件的第一向量进行表示，得到已知事件链嵌入向量与多个候选事件嵌入向量。
[0026]进一步的，所述基于BiLSTM神经网络对所述已知事件链嵌入向量与多个候选事件嵌入向量进行上下文语境嵌入处理，得到已知事件链上下文语境嵌入后的向量和多个候选事件上下文语境嵌入后的向量包括：
[0027]将所述已知事件链嵌入向量与多个候选事件嵌入向量拼接，构成第一嵌入向量；
[0028]利用BiLSTM神经网络捕获所述第一嵌入向量中各事件的语义信息；
[0029]基于所述BiLSTM神经网络和所述各事件的语义信息对所述已知事件链嵌入向量与多个候选事件嵌入向量进行上下文语境嵌入处理，得到已知事件链上下文语境嵌入后的向量和多个候选事件上下文语境嵌入后的向量。
[0030]进一步的，所述根据所述已知事件链上下文语境嵌入后的向量和多个候选事件上下文语境嵌入后的向量分别确定多个候选事件与已知事件链间的因果性得分包括：
[0031]根据所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种知识图谱驱动的水电工程BIM应急响应自动推送方法，其特征在于，所述方法包括：构建水电工程应急事理图谱，并获取所述水电工程应急事理图谱中各事件的原因与结果；基于所述水电工程应急事理图谱对已知事件链进行结果泛化学习，对多个候选事件进行原因泛化学习，得到泛化学习后的已知事件链和多个候选事件；利用张量神经网络对泛化学习后的已知事件链和多个候选事件进行参数级的嵌入表示学习，得到已知事件链嵌入向量与多个候选事件嵌入向量；基于BiLSTM神经网络对所述已知事件链嵌入向量与多个候选事件嵌入向量进行上下文语境嵌入处理，得到已知事件链上下文语境嵌入后的向量和多个候选事件上下文语境嵌入后的向量；根据所述已知事件链上下文语境嵌入后的向量和多个候选事件上下文语境嵌入后的向量分别确定多个候选事件与已知事件链间的因果性得分，然后利用注意力机制分别加权评估多个候选事件的综合得分，选择综合得分最高的候选事件为后续事件，并在水电工程BIM模型中自动推送后续事件所对应的人员逃生路线及重点部位巡检路线。2.如权利要求1所述的方法，其特征在于，所述水电工程应急事理图谱的构建过程包括：获取水电工程专项检查报告；对所述水电工程专项检查报告进行分析，抽取存在因果关系的多个事件的第一类三元组和第二类三元组，所述第一类三元组包括：事件名称、事件关系和事件结果，第二类三元组包括：事件名称、发生部位类型和发生部位；基于事件名称、事件关系、事件结果、发生部位类型和发生部位建立水电工程应急事件的因果关系，并将所述因果关系存储到Neo4j图形数据库中形成水电工程应急事理图谱；其中，所述第一类三元组的抽取过程包括：对所述水电工程专项检查报告进行分析，抽取存在因果关系的多个事件的事件名称、事件关系和事件结果间的关系，并对所述多个事件的事件名称、事件关系和事件结果间的关系进行去除重复事件处理，得到第一类三元组；所述第二类三元组的抽取过程包括：对所述水电工程专项检查报告进行分析，提取水电工程专项检查报告中的工程部位描述信息，建立事件及其发生部位的关联关系，以三元组形式建立事件及其发生部位的关联关系，得到第二类三元组。3.如权利要求2所述的方法，其特征在于，所述方法还包括：在水电工程BIM模型中进行预设部位的信息标注，其中所述预设部位标注信息的描述语言与所述第二类三元组中发生部位的描述语言一致。4.如权利要求3所述的方法，其特征在于，所述基于所述水电工程应急事理图谱对已知事件链进行结果泛化学习，对多个候选事件进行原因泛化学习，得到泛化学习后的已知事件链和多个候选事件包括：通过所述水电工程应急事理图谱分别确定已知事件链中每个事件的谓词及多个候选事件的谓词在所述事理图谱中的前驱事件与后继事件；分别确定已知事件链中每个事件对应的后继事件与多个候选事件间的相关性值，并基于所述相关性值确定已知事件链中每个事件的强化后的谓词，然后基于所述强化后的谓词
得到泛化学习后的已知事件链；分别确定多个候选事件对应的前驱事件与已知事件链间的相关性，并基于所述相关性值，并基于所述相关性值确定多个候选事件的强化后的谓词，然后基于所述强化后的谓词得到泛化学习后的多个候选事件。5.如权利要求4所述的方法，其特征在于，所述利用张量神经网络对泛化学习后的已知事件链和多个候选事件进行参数级的嵌入表示学习，得到已知事件链嵌入向量与多个候选事件嵌入向量包括：利用张量神经网络对泛化学习后的已知事件链和多个候选事件进行各所述事件谓语与主语、宾语与直接宾语之间的语义关系进行学习，得到各所述事件的第一向量；基于非线性连接变化对各所述事件的第一向量进行表示，得到已知事件链嵌入向量与多个候选事件嵌入向量。6.如权利要求5所述的方法，其特征在于，所述基于BiLSTM神经网络对所述已知事件链嵌入向量与多个候选事件嵌入向量进行上下文语境嵌入处理，得到已知事件链上下文语境嵌入后的向量和多个候选事...

【专利技术属性】
技术研发人员：陈豪，易魁，曾伟，庞天富，吴涛，聂兵兵，毛莺池，王子成，李学红，谢丰余，刘海波，周楠，安永发，杨俊坤，
申请(专利权)人：河海大学，
类型：发明
国别省市：